WEBVTT

00:00:09.061 --> 00:00:12.162
Prvi standardizovani testovi za koje znamo

00:00:12.162 --> 00:00:16.342
nastali su u Kini prije 2,000 godina

00:00:16.342 --> 00:00:18.223
tokom dinastije Han.

00:00:18.223 --> 00:00:21.223
Kineski zvaničnici koristili su ih
da bi odredili spremnost

00:00:21.223 --> 00:00:23.483
za mnoge državne poslove.

00:00:23.483 --> 00:00:25.572
Predmeti su podrazumijevali filozofiju,

00:00:25.572 --> 00:00:26.637
farmerstvo,

00:00:26.637 --> 00:00:28.447
i čak vojne taktike.

00:00:28.963 --> 00:00:32.174
Standardizovani testovi
su dalje korišteni širom svijeta

00:00:32.174 --> 00:00:33.790
kroz slijedeća dva milenijuma,

00:00:33.790 --> 00:00:35.882
i danas, koriste se za sve

00:00:35.882 --> 00:00:39.838
od procjene penjanja po stepeništima
za vatrogasce u Francuskoj

00:00:39.838 --> 00:00:43.323
do ispita za jezik za diplomate u Kanadi

00:00:43.323 --> 00:00:45.229
do učenika u školi.

00:00:45.914 --> 00:00:48.024
Neki strandardizovani testovi
mjere rezultate

00:00:48.024 --> 00:00:51.229
samo naspram postignuća drugih učesnika.

00:00:51.784 --> 00:00:57.009
Drugi mjere rezultate naspram
već unaprijed određenih kriterija.

00:00:57.455 --> 00:01:00.073
Tako da bi se vrijeme penjanja
stepeništa za vatrogasca

00:01:00.073 --> 00:01:02.594
moglo izmjeriti poređenjem
vremena penjanja

00:01:02.594 --> 00:01:04.759
ostalih vatrogasaca.

00:01:05.604 --> 00:01:09.443
Ovo bi se moglo izraziti nečim što
mnogi zovu zvonolikom krivuljom.

00:01:09.443 --> 00:01:13.414
Ili bi se moglo izmjeriti u skladu
sa već postavljenim kriterijima,

00:01:13.414 --> 00:01:17.004
poput nošenja određene količine
težine na određenoj udaljenosti

00:01:17.004 --> 00:01:19.230
uz određeni broj stepenica.

00:01:19.775 --> 00:01:20.985
Slično tome,

00:01:20.986 --> 00:01:24.702
diplomat može biti procijenjen
naspram drugih diplomata koji polažu test,

00:01:24.702 --> 00:01:27.145
ili naspram skupine
postavljenih kriterija,

00:01:27.145 --> 00:01:30.669
koji prikazuju različite nivoe
poznavanja jezika.

00:01:31.054 --> 00:01:35.785
I svi ovi rezultati mogu se izraziti
koristeći percentilni rang.

00:01:35.785 --> 00:01:38.165
Ako je diplomat u sedamdesetom percentilu,

00:01:38.171 --> 00:01:41.774
70% testiranih imali su rezultat
ispod tog diplomate.

00:01:41.774 --> 00:01:43.744
Ako je u tridesetom percentilu,

00:01:43.744 --> 00:01:47.335
70% testiranih imali su rezultat
iznad tog diplomate.

00:01:47.335 --> 00:01:50.746
Iako su standardizovani testovi
ponekad kontroverzni,

00:01:50.746 --> 00:01:52.525
oni su jednostavno sredstvo.

00:01:52.525 --> 00:01:56.696
Kao jedan eksperiment, zamislite
da je standardizovani test lenijar.

00:01:56.696 --> 00:01:59.395
Korisnost lenijara ovisi o dvije stvari.

00:01:59.395 --> 00:02:02.157
Prvo, ovisno o poslu koji treba da uradi.

00:02:02.157 --> 00:02:04.986
Naš lenijar ne može da
izmjeri vanjsku temperaturu

00:02:04.986 --> 00:02:07.446
niti koliko glasno neko pjeva.

00:02:07.446 --> 00:02:10.865
Drugo, korisnost lenijara
ovisi o njegovom dizajnu.

00:02:10.865 --> 00:02:14.146
Recimo da morate izmjeriti obim narandže.

00:02:14.146 --> 00:02:17.397
Naš lenijar mjeri dužinu,
koja je ispravna veličina,

00:02:17.397 --> 00:02:22.019
ali on nije dizajniran sa fleksibilnošću
potrebnom za taj zadatak.

00:02:22.238 --> 00:02:25.436
Tako da, ako standardizovanim testovima
rješavamo pogrešne zadatke,

00:02:25.436 --> 00:02:27.407
ili ako nisu dovoljno dobro dizajnirani,

00:02:27.407 --> 00:02:30.310
moguće je da izmjere pogrešne stvari.

00:02:31.627 --> 00:02:32.907
U slučaju škola,

00:02:32.907 --> 00:02:36.678
učenici sa anksioznošću naspram
testova mogu da ne urade sve najbolje

00:02:36.678 --> 00:02:38.408
na standardizovanom testu,

00:02:38.408 --> 00:02:40.116
ne zato što ne znaju odgovore,

00:02:40.116 --> 00:02:43.735
nego zato što su previše nervozni
da bi podijelili ono što su naučili.

00:02:43.735 --> 00:02:45.418
Učenici sa poteškoćama u čitanju

00:02:45.418 --> 00:02:48.228
mogu imati problema sa isčitavanjem
matematičkog zadatka,

00:02:48.228 --> 00:02:51.308
tako da njihovi rezultati možda
više prikazuju njihovu pismenost

00:02:51.308 --> 00:02:53.518
nego njihove matematičke sposobnosti.

00:02:53.518 --> 00:02:55.578
I učenici koji su zbunjeni primjerima

00:02:55.578 --> 00:02:59.168
na testovima koji sadrže
nepoznate kulturološke reference

00:02:59.168 --> 00:03:00.617
mogu slabo uraditi test,

00:03:00.617 --> 00:03:03.409
govoreći nam više o učenikovom
poznavanju kulture

00:03:03.409 --> 00:03:05.698
nego o njegovom akademskom učenju.

00:03:05.698 --> 00:03:09.980
U ovim slučajevima, moguće je da je
testove potrebno napraviti drugačije.

00:03:11.090 --> 00:03:13.569
Standardizovani testovi također
mogu imati poteškoću

00:03:13.569 --> 00:03:16.638
pri mjerenju apstraktnih
osobina ili sposobnosti,

00:03:16.638 --> 00:03:20.079
poput kreativnosti,
kritičkog razmišljanja i saradnje.

00:03:20.658 --> 00:03:22.378
Ako loše napravimo test,

00:03:22.378 --> 00:03:24.300
ili njime mjerimo pogrešne stvari,

00:03:24.300 --> 00:03:26.553
ili mjerimo nešto što je teško za mjeriti,

00:03:26.553 --> 00:03:29.849
moguće je da rezultati
neće biti pouzdani ili istiniti.

00:03:29.849 --> 00:03:32.939
Pouzdanost i istinitost
su dvije neophodne ideje

00:03:32.939 --> 00:03:35.619
za razumijevanje standardizovanih testova.

00:03:35.619 --> 00:03:37.560
Da bismo razumjeli razliku među njima,

00:03:37.560 --> 00:03:40.389
možemo koristiti metaforu
dva razbijena termometra.

00:03:40.389 --> 00:03:42.289
Nepouzdan termometar

00:03:42.289 --> 00:03:45.542
vam pokazuje različit rezultat
svaki put kad mjerite temperaturu,

00:03:45.542 --> 00:03:50.591
a pouzdan ali neistinit termometar
je stalno deset stupnjeva prevruć.

00:03:51.191 --> 00:03:55.460
Istinitost također ovisi o preciznim
tumačenjima rezultata.

00:03:55.460 --> 00:03:58.771
Ako ljudi netačno kažu
šta rezultati testa znače,

00:03:58.771 --> 00:04:01.564
test bi tad imao problem sa istinitošću.

00:04:02.368 --> 00:04:04.592
Isto kao što ne bismo
od lenijara očekivali

00:04:04.598 --> 00:04:06.442
da nam prikaže koliko je slon težak,

00:04:06.442 --> 00:04:08.302
ili šta je imao za doručak,

00:04:08.302 --> 00:04:11.031
ne možemo očekivati
da nam samo standardizovani testovi

00:04:11.031 --> 00:04:14.181
pouzdano kažu koliko je neko pametan,

00:04:14.181 --> 00:04:16.753
kako će se diplomate snaći
u komplikovanoj situaciji,

00:04:16.753 --> 00:04:20.097
ili koliko bi hrabar
neki vatrogasac mogao biti.

00:04:20.622 --> 00:04:25.412
Tako da standardizovani testovi nam pomažu
da saznamo malo o velikom broju ljudi

00:04:25.412 --> 00:04:27.222
u kratkom vremenskom intervalu,

00:04:27.222 --> 00:04:30.249
ali oni nam ne mogu
mnogo reći o pojedincu.

00:04:31.013 --> 00:04:35.732
Mnogi društveni naučnici brinu se da
rezultati testova često završe u pometenim

00:04:35.732 --> 00:04:38.846
i često u negativnim
promjenama kod ispitanika,

00:04:38.846 --> 00:04:41.788
ponekad sa dugoročnim
životnim posljedicama.

00:04:42.388 --> 00:04:44.389
Ali ne moženo kriviti testove.

00:04:44.389 --> 00:04:48.179
Na nama je da koristimo prave
testove za prave poslove,

00:04:48.179 --> 00:04:51.063
i da ispravno prikažemo rezultate.